Strategies for Continual Application of Marker-Assisted Selection in an Open Nucleus Population
Notice bibliographique
Résumé
The objectives of this study were to develop and simulate the implementation of several strategies for repeated application of quantitative trait loci (QTL) detection and marker-assisted selection (MAS) and to compare the short-term and continual genetic responses. A finite locus model was simulated with 20 QTL randomly distributed across 30 chromosome. Three hundred markers were evenly spaced across the genome. Allelic effects were sampled from a double exponential distribution. A daughter design was used every generation to determine the marker alleles favorably associated to QTL alleles. The MAS was applied within family to young bulls, before progeny testing, as part of an open nucleus. Young bulls were selected using strategies based on 1) the single marker with greatest contrast (BEST1), 2) the sum of n greatest contrasts (BESTn), 3) the best n contrasts, limited to one per chromosome (LIMn), 4) the sum of all contrasts exceeding a given threshold n (THRESn), and 5) the sum of contrasts exceeding a threshold, but limited to one per chromosome (LIMT). The maximum progress was achieved by strategies that selected upon several markers flanking multiple QTL in each generation. When THRES was applied, the mean true breeding value (TBV) of selected bulls was increased by 11.98% (over conventional selection) versus 6.73% for BEST1 in the first generation. Applying a full genome scan in each generation allowed selection for different QTL across time. By selecting for multiple QTL over time, MAS maintained superiority over conventional selection for many generations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».